منابع مقالات معتبر بین المللی

پروژه - فرمت ورد

ترجمه مقاله ترکیب منابع تجدید پذیر بهینه به منظور کمینه کردن تلفات انرژی سیستم توزیع…

دسته: برق

حجم فایل: 1544 کیلوبایت

تعداد صفحه: 35

ترکیب منابع تجدید پذیر بهینه به منظور کمینه کردن تلفات انرژی سیستم توزیع+نسخه انگلیسی 2010

Optimal Renewable Resources Mix for Distribution System Energy Loss Minimization

چکیده__ این قضیه که منابع انرژی تجدید پذیر، کلید زیربنای منبع انرژی قابل اطمینان هستند، بشدت قابل قبول است؛ زیرا این منابع هم پایان-ناپذیر بوده و هم نا آلاینده هستند. تعدادی از تکنولوژی های تجدید پذیر هم اکنون کاربرد تجاری دارند، جالب توجه ترین آنها توان بادی، فوتوولتیک، سیستم های خورشیدی گرمایی، بیومس (زیست توده) ، و اشکال مختلف توان هیدرولیک (با استفاده از انرژی های آب) هستند. در این مقاله، روشی برای تخصیص بهینه انواع گوناگون واحدهای تولید توزیع شده تجدیدپذیر (DG) ، در سیستم توزیع _بطوری که تلفات انرژی سالانه را کمینه کنیم_ ارایه شده است. این روش مبنی بر تولید یک مدل احتمالی تولید-بار می باشد که همه ی شرایط عملیاتی ممکن واحدهای DG (تولید توزیع شده) تجدیدپذیر را با احتمال آنها، ترکیب می کند، ازینرو این مدل را در یک مساله برنامه نویسی قطعی، جا می دهیم. مساله برنامه نویسی به عنوان یک برنامه نویسی غیرخطی عددصحیح مرکب (MINLP) ، با یک تابع هدف برای کمینه کردن هزینه تلفات انرژی سالانه سیستم، فرمولبندی شده است. محدودیت ها عبارتند از محدوده های ولتاژ، ظرفیت (قدرت) فیدر، بیشینه حد نفوذ، و اندازه مجزای واحدهای DG در دسترس. این روش پیشنهاد شده بر روی یک سیستم توزیع روستایی با بخش های مختلف _شامل همه ی ترکیبات ممکن واحدهای DG تجدیدپذیر_ اعمال شده است. نتایج نشان می دهند که یک کاهش چشمگیر در تلفات انرژی سالانه برای همه ی بخش های مختلف، بدست آمده است.

کلیدواژگان: تولید توزیع شده، برنامه ریزی سیستم توزیع، مرکب سوخت، عدم قطعیت.

خرید

مطالب مرتبط

انرژی الگوریتم ژنتیک عدم قطعیت. الگوریتم برنامه نویسی مرکب سوخت برنامه ریزی سیستم توزیع تولید توزیع شده ترجمه مقاله
علی جمعه 7 فروردین 1394 ساعت 07:06
0 نظر

تطبیق نسبت کنترل شده یکپارچه توان و کنترل دسترسی متوسط…

چکیده

در این مقاله، مدل برنامه نویسی ریاضی و الگوریتم های تخصیص به منظور به حداقل رساندن مدت زمانبدی توان تطبیق و زمانبندی پیوند نسبت تطبیق در شبکه های بی سیم TDMA فضایی، توسعه داده می شود. مسئله مربوطه، مستلزم زمانبندی مشترک بهینه انتقال ها، در مسیر ارتباطی با دسترسی چندگانه بوده که در ادغام با تخصیص همزمان سطوح توان انتقال و نسبت داده در بین پیوندهای فعال بوده، در حالی که سطوح نسبت سیگنال به تداخل، به علاوه نویز (SINR) در گیرنده های مربوطه، مد نظر قرار می گیرد. ما اثبات می کنیم که این مسئله می تواند به صورت برنامه مختلط عدد صحیح (MILP) مدلسازی شده و نشان می دهیم که موارد ذکر شده، راه حلی را ارائه می دهد که شامل سطوح توان انتقال بوده و به شدت دارای بهینگی پارتو (Pareto-Optimal) می باشند. خاطر نشان می کنیم که این مسئله به صورت NP کامل می باشد. برای مقایسه، از فرمول MILP برای محاسبه زمانبندی بهینه برای شبکه های با تعداد کمی از پیوندهای مشخص شده و تعداد محدودی از سطوح نسبت داده استفاده می کنیم. ما به توسعه و بررسی الگوریتم ذهنی با پیچیدگی چندجمله ای برای حل مشکل، به طور موثر و قابل محاسبه می پردازیم. این الگوریتم بر مبنای ایجاد نمودار تداخل تطبیق نسبت کنترل شده توان، می باشد. به این ترتیب، زمانبندی مورد نظر، با استفاده از الگوریتم حریصانه برای ایجاد مجموعه مستقلی از این نمودار حاصل می شود. بر مبنای تحلیل های سیستم، برای شبکه های توضیحی کوچکتر نشان می دهیم که، رفتار عملکرد توسط الگوریتم های ذهنی مد نظر قرار می گیرد تا معمولا در 75 درصد از موارد حاصل شده توسط زمانبند بهینه قرار گیرند. همچنین نشان می دهیم که عملکرد الگوریتم ذهنی مورد نظر ما به طور میانگین، 20% بهتر از موارد حاصل شده تحت الگوریتم های قبلی بوده که برای استفاده تحت توان انتقالی ثابت و زمانبندی پیوند نسبت ثایت ایجاد شده اند.

کلیدواژه: نظریه ضوابط، نمودار، بهینه سازی ترکیبی، کنترل دسترسی متوسط، کنترل توان، انطباق نسبت

خرید

مطالب مرتبط

ژنتیک ریاضی پژوهش تحصیل مقاله برنامه نویسی الگوریتم ژنتیک الگوریتم
علی جمعه 7 فروردین 1394 ساعت 05:28
0 نظر

ترجمه مقاله پیش بینی موفقیت ERP: یک رهیافت شبکه عصبی مصنوعی…

دسته: مقالات ترجمه شده

حجم فایل: 860 کیلوبایت

تعداد صفحه: 33

پیش‌بینی موفقیت ERP: یک رهیافت شبکه عصبی مصنوعی

چکیده

به سیستم برنامه‌ریزی منابع سازمان (ERP) بعنوان نمونه‌ای از سیستم‌های اطلاعات جدید اشاره شده است. با اینحال، دست یافتن به سطح مناسبی از موفقیت ERP متکی به عامل‌های گوناگونی است که این عوامل به یک محیط سازمانی یا پروژه‌ای وابسته هستند. در این مقاله، درمورد ایده پیش‌بینی موفقیت پیش از پیاده‌سازی ERP براساس مشخصات سازمانی، بحث شده است. همچنانکه با نیاز به ایجاد انتظارات از سازمان‌های ERP، یک سیستم خبره با استفاده از روش شبکه عصبی مصنوعی (ANN) برای بیان روابط بین برخی از عوامل سازمانی و موفقیت ERP توسعه داده شد. نقش سیستم خبره در آماده سازی برای به دست آوردن اطلاعات از شرکت های جدید که مایل به پیاده سازیERP هستند، و برای پیش بینی سطح محتمل موفقیت سیستم، است. برای این منظور، عامل‌های مشخصات سازمانی به رسمیت شناخته شده و مدل ANN توسعه داده شده است. سپس، با 171 داده بررسی شده به دست آمده از شرکت‌های خاور میانه که ERP را تجربه کرده‌اند اعتباردهی می‌شوند. سیستم خبره آموزش دیده، با ضریب همبستگی متوسط ​​0. 744پیش‌بینی می‌کند که نسبتاً بالا است و این ایده وابستگی موفقیت ERP به مشخصات سازمانی را حمایت می کند. علاوه بر این، نرخ طبقه بندی صحیح مجموع 0. 685 نشان می دهد قدرت پیش بینی خوب است، که می تواند به پیش بینی موفقیت ERP شرکت‌ها قبل از پیاده سازی سیستم کمک نماید.

کلیدواژگانها:

برنامه‌ریزی منابع سازمان (ERP) ؛ موفقیت ERP؛ مشخصات/عامل‌های سازمانی؛ شبکه عصبی مصنوعی (ANN) ؛ سیستم خبره

خرید

مطالب مرتبط

مقاله کسب و کار ترجمه مقاله شبکه عصبی مدیریت پروژه آموزش الگوریتم مهندسی
علی پنج‌شنبه 6 فروردین 1394 ساعت 20:48
0 نظر

کنترل تولید اتوماتیک چهار ناحیه ای مبنی بر محاسبه تکاملی در محیط تجدید ساختار شده…

چکیده

در این مقاله، کنترل تولید خودکار چند واحد چهار ناحیه ای، در سیستم تجدید ساختار شده، بررسی می شود. انواع مختلفی از خدمات جانبی در سیستم قدرت، وجود دارد. یکی از این خدمات جانبی، تبعیت بار با کنترل فرکانس می باشد، که در دسته بندی گسترده کنترلِ تولید اتوماتیک، در سیستم قدرت تجدید ساختار شده، قرار می گیرد. هدف اصلی این مقاله، معرفی چند تکنیک تازه مبتنی بر محابسه تکاملی می باشد که به صورت مستقل برای به دست آوردن پارامترهای بهره بهینه برای عملکردهای گذرای بهینه تحت شرایط عملیاتی مختلف سیستم، به کار می روند. نتایج محاسباتی و عملکردهای گذرا، مقایسه می شوند تا در پایان، بهترین روش بهینه سازی برای این مساله، به دست آید. با انجام مقایسه ها، ثابت شده است که یک الگوریتم جدید مبتنی بر تجمع ذرات، بنام بهینه سازی تجمع و بی نظمی اصلاح شده (MCASO) ، و الگوریتم ژنتیک با کد حقیقی (RGA) ، بهترین آنها می باشند. PSO مرسوم و الگوریتم ژنتیک با کد باینری (دودویی) ، دو تکنیک بعدی می باشند که عملکردهای زیربهینه را به دست می دهند. یک DISCO (شرکت توزیع) می تواند به صورت انفرادی و نیز چند جانبه با یک GENCO (شرکت تولید کننده) برای توان معامله کند، و این معاملات، تحت نظر ISO صورت می پذیرند. در این مقاله، از مفهوم ماتریس مشارکت DISCO برای شبیه سازی معامله های دو جانبه در نمودار چهار ناحیه ای، استفاده شده است. مقادیر محاسبه شده مشارکت ژنراتور و مبادلات توان خط ارتباطی، مطابق با مقادیر حقیقی مربوطه که توسط MATLAB SIMULINK به دست آمده است، می باشد. پاسخ های گذرای بهینه، با جایگزین کردن بهره های بهینه در دیاگرام چند واحد چهار ناحیه ای مبنی بر MATLAB SIMULINK، به دست می آیند.

کلیدواژگان: AGC، BGA، قراردادهای (معاملات) دوجانبه، MCASO، PSOCFA، سیستم قدرت تجدید ساختار شده، RGA، SFL

خرید

مطالب مرتبط

مقاله ژنتیک ژنراتور سیستم قدرت ولتاژ ترجمه مقاله الگوریتم ژنتیک الگوریتم
علی پنج‌شنبه 6 فروردین 1394 ساعت 19:03
0 نظر

شبکه عصبی آموزشی رقابتی پیشرفته: تشخصی نفوذ به شبکه و شناسایی تقلب…

چکیده

در این پژوهش، دو الگوریتم خوشه بندی جدید را معرفی می کنیم. شبکه آموزشی رقابتی پیشرفته (ICLN) و شبکه آموزشی رقابتی پیشرفته نظارتی (SICLN) که در زمینه تشخیص کلاهبرداری و تشخیص نفوذ شبکه در می باشند. شبکه آموزشی رقابتی پیشرفته (ICLN) به عنوان الگوریتم خوشه بندی غیرنظارتی می باشد، که قوانین جدیدی را برای شبکه های عصبی آموزشی رقابتی استاندارد (SCLN) اعمال می کند. نورون های شبکه در شبکه آموزشی رقابتی پیشرفته (ICLN) برای ارائه مرکز داده توسط قوانین بروز شده تنبیه و پاداش جدید آموزش دیده اند. این قوانین بروز شده، بی ثباتی شبکه های عصبی آموزشی رقابتی استاندارد را از بین می برند. شبکه آموزشی رقابتی یشرفته نظارتی (SICLN) به عنوان نسخه بازبینی شده شبکه اموزشی رقابتی پیشرفته (ICLN) می باشد. در SICLN (شبکه آموزشی رقابتی پیشرفته نظارتی (SICLN) ، قوانین بروزرسانی شده نظارتی از دسته بندی داده برای هدایت مراحل آموزش برای دسترسی به نتایج خوشه بندی بهتر استفاده می کند. شبکه آموزشی رقابتی پیشرفته نظارت شده می تواند برای داده های دسته بندی شده و دسته بندی نشده اعمال شده و در سطح بالایی در برابر اتیکت های مفقودی و تاخیری مقاوم می باشد. علاوه بر این، شبکه آموزشی رقابتی پیشرفته نظارتی (SICLN) دارای قابلیت بازسازی بوده، بنابراین کاملا مستقل از تعداد اولیه خوشه ها می باشد. برای ارزیابی الگوریتم های مورد نظر، به مقایسه عملی در مورد داده های تحقیق و داده های حقیقی در تشخیص کلاهبرداری و تشخیص نفوذ شبکه پرداختیم. نتایج اثبات می کند که هر دو مورد ICLN و SICLN به بایگانی عملکرد بالا می پردازند، و SICLN در الگوریتم های خوشه بندی غیرنظارتی سنتی عملکرد بهتری دارد.

کلیدواژه: آموزش رقابتی، شناسایی کلاهبرداری، شناسایی نفوذ، خوشه بندی نظارتی/ غیر نظارتی، شبکه عصبی

مقدمه

تشخیص کلاهبرداری و تشخیص نفوذ در شبکه در کسب و کار تجارت الکترونیک بسیار مهم می باشد. بر طبق به گزارش های تجارت الکترونیک فروش اداره سرشماری ایالات متحده، تجارت الکترونیک در امریکای شمالی دارای رشد 20% یا بیشتر در هر سال می باشد. به هر حال کلاهبرداری در شرکت های تجارت الکترونیک ایالات متحده و کانادا منجر به هزینه تلفات زیادی شده است. با توجه به رشد اخیر در تجارت الکترونیک، کلاه برداری در زمینه کارت های اعتباری بسیار رایج شده است. بر مبنای نتایج بررسی در سال 2009، به طور متوسط، 1.6% از سفارشات بر مبنای کلاه برداری بوده، که حدود 3. 3 میلیارد دلار می باشد. علاوه بر ضررهای مستقیمی که از طریق فروش های کلاهبرداری انجام شده است، اعتماد قربانیان کلاهبرداری در زمینه کارت های اعتباری و شرکت خرده فروش کمتر شده، که در نتیجه ضرر ها نیز افزایش یافته است. هدف شرکت ها و صادر کنندگان کارت های اعتباری این است تا هر چه زودتر به افشا یا جلوگیری از کلاه برداری بپردازند. از طرف دیگر نفوذ به شبکه، از پشت به شرکت های تجارت الکترونیک ضربه می زند. زمان وقفه سرورهای وب یا نفوذ به اطلاعات یا کسب و کار مشتری منجر به ضررهای زیادی می گردد.

خرید

مطالب مرتبط

حسگر تحقیق تجارت الکترونیک پیشرفت شبکه عصبی پژوهش آموزش الگوریتم کسب و کار
علی پنج‌شنبه 6 فروردین 1394 ساعت 17:54
0 نظر